公开(公告)号：CN112926626A

公开(公告)日：2021-06-08

申请号：CN202110116307.8

申请日：2021-01-28

Applicant: 浙江大学

Inventor： 潘翔 ,  许蓉 ,  邱俭军

IPC: G06K9/62 ,  G06N7/00 ,  G06K9/00 ,  G01N29/04 ,  G01M13/00

Abstract: 本发明公开了一种基于稀疏贝叶斯学习与功率谱分离的风机叶片故障检测方法。该方法首先利用麦克风阵列采集三段连续等长的风机叶片辐射出的声信号，利用稀疏贝叶斯学习算法对三段声信号分别估计其源信号，对估计信号进行DOA估计，利用波束形成进行信号增强，计算增强信号的功率谱，并对功率谱进行归一化，根据三段声信号的归一化功率谱是否分离，判断风力发电机叶片是否存在故障。本发明提供的基于稀疏贝叶斯学习与功率谱分离的风机叶片故障检测方法，能够大幅度去除采集信号中的噪声，对风力发电机叶片故障进行准确的判断。

公开(公告)号：CN112926626B

公开(公告)日：2022-06-24

申请号：CN202110116307.8

申请日：2021-01-28

Applicant: 浙江大学

Inventor： 潘翔 ,  许蓉 ,  邱俭军

IPC: G06K9/62 ,  G06N7/00 ,  G06K9/00 ,  G01N29/04 ,  G01M13/00

Abstract: 本发明公开了一种基于稀疏贝叶斯学习与功率谱分离的风机叶片故障检测方法。该方法首先利用麦克风阵列采集三段连续等长的风机叶片辐射出的声信号，利用稀疏贝叶斯学习算法对三段声信号分别估计其源信号，对估计信号进行DOA估计，利用波束形成进行信号增强，计算增强信号的功率谱，并对功率谱进行归一化，根据三段声信号的归一化功率谱是否分离，判断风力发电机叶片是否存在故障。本发明提供的基于稀疏贝叶斯学习与功率谱分离的风机叶片故障检测方法，能够大幅度去除采集信号中的噪声，对风力发电机叶片故障进行准确的判断。